Die vorliegende Dissertation behandelt ein bislang nahezu unbeleuchtetes Problem für die Robustheit von embedded Spracherkennern: die Störung durch Raumhall. Dabei besitzen, wie deutlich gezeigt werden kann, bereits geringfügig hallende Räume einen stark störenden Einfluss auf die Leistungsfähigkeit von Spracherkennern. Beginnend mit der Betrachtung der akustischen Verhältnisse in Räumen über die Darstellung der in Frage kommenden bislang entwickelten Methoden gegen Raumhall (Stand der Technik) wird das neue Verfahren Harmonicity-based Feature Analysis (HFA) abgeleitet. In Experimenten wird gezeigt, dass die Erkennungsleistung in halligen Umgebungen durch HFA wieder in einen praktisch benutzbaren Bereich gebracht werden kann, wobei außerdem die Fähigkeit zur embedded Implementierung gegeben ist.